通过继承 paddle.io.Dataset 类自定义数据集类 MyDataset ，对传⼊的数据列表进行随机打乱，使用 ToTensor 接口对数据进行转换，以匹配数据馈送格式，并对图像的三通道分别进⾏标准化。在中进行了图像的缩放、转换为 numpy 数组、转置和归一化等操作。''' 自定义的数据集类 ''''''* `label_list`: 标签与文件路径的映射列表* `transform`

按一定规则在图片上产生一系列的候选区域，然后根据这些候选区域与图片上物体真实框之间的位置关系对候选区域进行标注。跟真实框足够接近的那些候选区域会被标注为正样本，同时将真实框的位置作为正样本的位置目标。偏离真实框较大的那些候选区域则会被标注为负样本，负样本不需要预测位置或者类别。使用卷积神经网络提取图片特征并对候选区域的位置和类别进行预测。

不同模型取得最佳结果时的各项指标:本次实验中，最佳Top-1准确率由ResNet101达到，而MobileNetV3的准确率虽稍逊于ResNet101,其存储开销有较大幅度领先。

使用神经网络实现葡萄酒数据集的分类分析

使用神经网络实现葡萄酒数据集的分类分析

使用神经网络实现葡萄酒数据集的分类分析